（人工智能）系统在某些领域已经远远领先于我们——下围棋，例如，或者紧缩巨大的数据集——但在其他方面，人工智能仍然落后人类很长一段路，甚至在我们出生后才几个月。
例如，即使是年幼的婴儿也本能地知道，一个物体在另一个物体后面短暂经过时不应该消失并重新出现在其他地方。面对如此神奇的表演，婴儿们都会表现得惊讶不已。
但这种简单的连续性规则以及其他基本物理定律对于人工智能来说并不是那么直观。现在，一项新的研究介绍了一种名为 PLATO 的人工智能，其灵感来自对婴儿如何学习的研究。
PLATO 代表通过自动编码和跟踪对象进行物理学习，它是通过一系列编码视频进行训练的，这些视频旨在代表婴儿在生命最初几个月所掌握的相同基本知识。
英国人工智能研究实验室 DeepMind 的神经科学家路易斯·皮洛托 (Luis Piloto) 表示：“幸运的是，发展心理学家花了数十年的时间研究婴儿对物理世界的了解，并对物理理解中的不同成分或概念进行了分类。”
“为了扩展他们的工作，我们构建并开源了一个物理概念数据集。这个合成视频数据集从最初的发育实验中汲取灵感，以评估我们模型中的物理概念。”
我们从小就明白三个关键概念：持久性（物体不会突然消失）；坚固性（固体物体不能互相穿过）；和连续性（物体在空间和时间上以一致的方式移动）。
研究人员构建的数据集涵盖了这三个概念，再加上两个额外的概念：不变性（对象属性，例如形状，不会改变）；和方向惯性（物体以符合惯性原理的方式移动）惯性）。
这些概念是通过球落到地面、相互反弹、消失在其他物体后面然后重新出现等等的片段来传达的。在这些视频上对柏拉图进行了训练后，下一步就是对其进行测试。
当人工智能看到违背其所学物理原理的“不可能”场景的视频时，柏拉图（或人工智能的等价物）表示惊讶：它足够聪明，能够认识到发生了一些违反物理定律的奇怪事情。
这种情况也是在相对较短的训练时间之后发生的，在某些情况下只有 28 小时。从技术上讲，就像在婴儿研究中一样，研究人员正在寻找违反预期（VoE）信号的证据，以表明人工智能理解所教授的概念。
研究人员在他们的论文中写道：“我们的基于对象的模型在我们研究的所有五个概念中都显示出强大的 VoE 效果，尽管我们接受了没有发生特定探测事件的视频数据的训练。”发表论文。
该团队进行了进一步的测试，这次使用的对象与训练数据中的对象不同。柏拉图再次表现出对应该发生什么和不应该发生什么的深刻理解，表明它可以学习和扩展其基本训练知识。
然而，柏拉图还达不到三个月大婴儿的水平。当显示不涉及任何对象的场景或测试和训练模型相似时，人工智能不会感到惊讶。
更重要的是，柏拉图接受的训练视频包含额外的数据，以帮助它识别物体及其在三个维度上的运动。
似乎仍然需要一些内在的知识才能获得全面的了解——而“先天与后天”的问题是发育科学家仍在婴儿身上想知道的问题。这项研究可以让我们更好地理解人类思维，并帮助我们建立更好的人工智能表征。
“我们的建模工作提供了概念证明，表明直观物理学中的至少一些核心概念可以通过视觉学习获得。”写给研究人员。
“尽管对一些早熟（在高级状态下出生）物种的研究表明，某些基本物理概念可以从出生时就存在，但在人类中，数据表明直观的物理知识在生命早期就出现，但可能受到视觉经验的影响。”
该研究发表于自然人类行为。
编者注（2022 年 7 月 13 日）：我们最初的标题听起来不正确，就像人工智能可以像人类婴儿一样思考，而这项研究只教会了算法其中一个方面。我们更新了标题和文本中的一些参考文献，以更清楚地区分所做的工作。
